识图代理 jiaji12/deepseek-vision-pro

DeepSeek Vision Proxy — 给纯文字 DeepSeek 装上识图眼睛

一个本地识图代理，让 DeepSeek 等纯文字模型能「看图」。图片自动交给智谱免费视觉模型（GLM-4V-Flash）识别成文字，再喂给 DeepSeek 回答。全自动，装好即用，识图永久免费。

效果演示：DeepSeek 看图回答

English · 中文

为什么需要它

DeepSeek 官方 API 是纯文字模型，不支持图片输入。你发图它只会说「看不了图片」。本方案在中间加一层本地代理：

你发图 → 本地代理(127.0.0.1:8777) → 智谱GLM-4V识别成文字 → DeepSeek看文字回答

- DeepSeek 永远收到文字 → 永远不瞎编、不说「看不了」
- 不靠模型自觉 → 代理强制拦截，发图即识别
- 识图免费 → 用智谱 glm-4v-flash（官方免费模型）
- 多图支持 → 一次发多张，分批识别、一一对应

兼容性

✅ ZCode（重点支持）· Claude Code · 任何支持自定义 baseURL 的 OpenAI 兼容客户端

安装（约 1 分钟）

Windows 一键安装

1. 下载本仓库，解压得到 see-vision 文件夹
2. 双击 安装.bat（或运行 python install.py）
3. 按提示填两个 key：
- 智谱 key（免费识图）：去 open.bigmodel.cn 注册 → 控制台 → API密钥
- DeepSeek key：去 platform.deepseek.com 注册
4. 安装脚本自动完成：复制文件 → 写密钥 → 改 ZCode/客户端配置 → 设开机自启 → 启动代理

手动安装（可选）

1. 复制文件
cp see_proxy.py see_proxy_watchdog.py see.py config.example.json ~/.zcode/skills/see-vision/
2. 填配置
cp see_proxy_config.example.json see_proxy_config.json # 填入两个 key
3. 启动代理
python see_proxy.py
4. 把 DeepSeek 的 baseURL 改成 http://127.0.0.1:8777/v1

如何申请 Key（必读）

安装时需要两个 key，都在官方平台免费申请，几分钟搞定。

① 智谱 Key（免费识图）

用智谱 glm-4v-flash 视觉模型识别图片，免费。

1. 打开 智谱开放平台 open.bigmodel.cn（认准域名 open.bigmodel.cn）
2. 右上角 注册（手机号即可，个人实名免费）
3. 登录后进 控制台 → 左侧菜单找 API 密钥
4. 点 新建密钥，会生成一串类似 xxxxxxxx.xxxxxxxx 的 key（点复制保存）
5. 粘贴到安装向导的「智谱 key」输入框

免费额度：智谱新用户送免费 tokens，识图模型 glm-4v-flash 本身免费，日常看图够用。

② DeepSeek Key（主模型）

DeepSeek 官方 API key，用于最终回答问题。

1. 打开 DeepSeek 开放平台 platform.deepseek.com（认准域名 platform.deepseek.com）
2. 注册并登录（支持手机号/邮箱）
3. 进 控制台 → 左侧 API Keys
4. 点 创建 API Key，复制生成的 sk-... 开头的 key
5. 粘贴到安装向导的「DeepSeek key」输入框

注意：key 只显示一次，创建后立即复制保存。忘记只能重新创建。

两个 Key 都填好后

双击 安装.bat → 按提示粘贴两个 key → 重启 ZCode → 发图即可识别。

使用

装好后，在 ZCode / Claude Code 里：

1. 发图 + 提问：粘贴/拖拽图片 + 问题，几秒返回准确内容
2. 多张图：一次发多张也对应准确
3. 纯文字提问完全不受影响

文件说明

| 文件 | 作用 |
| see_proxy.py | 识图代理（核心），拦截图片 → 转文字 → 转发 DeepSeek |
| see_proxy_watchdog.py | 看门狗，代理挂了自动拉起 |
| see.py | 调视觉模型识图的脚本（智谱 GLM-4V-Flash） |
| see_proxy_config.example.json | 代理配置模板（填 key 用） |
| config.example.json | 识图配置模板 |
| install.py / 安装.bat | 一键安装脚本 |
| SKILL.md | ZCode 技能定义 |

故障排查

| 现象 | 原因 | 解决 |
| 发图 DeepSeek 说「看不了」 | 代理没跑 | 重新双击 安装.bat，或看 see_proxy.log |
| ZCode 报连接错误 | 代理没起来 | 检查 8777 端口，重启代理 |
| 识图慢 | 用了付费/慢模型 | 确认 agnes_model 是 glm-4v-flash |
| 换 key 不生效 | 配置缓存 | 改 see_proxy_config.json 后重启代理 |

卸载

1. 删除 ~/.zcode/skills/see-vision/ 文件夹
2. 删除启动目录的 see-vision-watchdog.vbs
3. 把 DeepSeek baseURL 改回 https://api.deepseek.com/v1

安全说明

- 代理只监听本机 127.0.0.1:8777，不对外暴露
- 密钥存本地配置文件，不上传、不提交（.gitignore 已排除）
- 图片只在本机识别，不进对话历史

许可证

MIT License

DeepSeek Vision Proxy — 让纯文本 DeepSeek 也能看图

本地代理，让纯文本模型（比如 DeepSeek）也能「看见」图片。图片先由免费的智谱 GLM-4V-Flash 视觉模型自动识别成文本，再喂给 DeepSeek。全自动，装完就能用，视觉能力永久免费。

安装（Windows，约 1 分钟）

1. 下载并解压本仓库
2. 双击 安装.bat（或运行 python install.py）
3. 按提示输入两个密钥：
- 智谱密钥（免费视觉）：到 open.bigmodel.cn 注册
- DeepSeek 密钥：到 platform.deepseek.com 注册
4. 搞定。重启 ZCode，发张图片试试。

工作原理

You send image → local proxy (127.0.0.1:8777) → Zhipu GLM-4V recognizes → DeepSeek answers from text

兼容

✅ ZCode（主要）· Claude Code · 任何支持自定义 baseURL 的 OpenAI 兼容客户端

许可证

MIT